随着“新冠肺炎疫情”这一热点的广泛关注，本文主要从疫情爆发到基本控制这一阶段中，新冠肺炎疫情对人们的影响和看法，本文将选自新浪微博17万条大众发表的微博文本数据，分别来自新冠肺炎爆发的几个阶段，从不同的时间节点中分析大众的心理情感，抽取大众看法的关键词，构建文档向量模型，最后将向量模型构造成K个分类进行组织和划分，由于疫情传染学医学方面的文本训练集较少，本文将采用两种方法搭建情感分析模型，一种是基于词典的形式，一种是基于NLP机器学习的形式，使用大量的数据来训练模型，对初期的模型一步步的训练强化调参，并对模型训练过程中程度副词和停用词的使用优化，然后对两种方法作一个比较分析，最后得出一个准确率较高的情感分析模型。
2021-05-17 13:10:27
947KB
1
利用爬虫爬取知乎上关于新冠肺炎话题下的问题及答案以及评论，并利用Django+layui进行可视化
2021-05-13 09:04:17
5.49MB
本文通过对数学建模和对全球疫情数据的深入分析，探讨面对不同疫情情 况如何进行有效防控，本文中的数学模型主要探讨新冠肺炎，利用数学知识联系 实际问题，作出相应的解答和处理方案。
2021-05-10 20:49:39
1.35MB
1
我们对本文应用于尼日尔首都尼亚美的COVID-19疾病的建模和分析感兴趣。 我们介绍的模型考虑了该国为应对这一大流行而采取的战略。 传染因子在人群中的传播是一个动态现象：健康和患病个体的数量随时间变化，这取决于病原体从感染个体传播到健康个体的接触方式。 我们通过一组微分系统方程对该传播现象进行建模，并通过数值分辨率确定其行为。
2021-05-10 16:25:48
1.87MB
1
利用了requests包爬取腾讯实时疫情数据，并对疫情数据做了清洗和分析，对数据分析的结果实现了可视化。压缩包内有源代码和报告。
2021-04-29 21:29:55
1.46MB
1
点赞、关注再看，养成良好习惯
Life is short, U need Python
初学Python，快来点我吧
案例：Python爬取新冠肺炎实时数据及其可视化分析
作者：PyQuant
博客：https://blog.csdn.net/qq_33499889
慕课：https://mooc1-2.chaoxing.com/course/207443619.html
本案例适合作为大数据技术基础课程中数据爬取、清洗以及可视化部分的配套教学案例。通过本案例，能够达到以下教学效果：
培养学生爬取网站数据以及数据清洗、加工处理的能力。
案例中通过Python第三方库request获取网站实
2021-04-27 18:30:43
811KB
1
运行结果（2020-2-4日数据）
数据来源
news.qq.com/zt2020/page/feiyan.htm
抓包分析
日报数据格式
"chinaDayList": [{
"date": "01.13",
"confirm": "41",
"suspect": "0",
"dead": "1",
"heal": "0"
}, {
"date": "01.14",
"confirm": "41",
"suspect": "0",
"dead": "1",
"heal": "0"
}, {
"date": "01.15",
"c
2021-04-21 12:34:29
578KB
1